1樓：高沉
覺得換個角度先不去了解他們複雜的定義。可以先接觸兩者的產品。opencv（計算機視覺），openmv（機器視覺）（有模組可購買，有對應開發方式）。
從學習中了解。其實很多東西就都可以明白了。
2樓：矩視智慧型
最簡單的解答是：
機器視覺是通過呼叫各種演算法因子，針對目標特徵，定製化設定各種引數。其擅長解決以測量為主的定量問題，和判斷有無的簡單問題，但對複雜檢測類的需求，漏檢率/誤檢率較高。
計算機視覺是將深度學習的標註、訓練、測試流程，以PC軟體的方式進行封裝，降低了使用者使用深度學習技術的門檻。主要用來解決複雜缺陷檢測為主的傳統視覺無法解決的難題，或者用深度學習的標註手段，來提高開發效率。
3樓：極視角科技
初看機器視覺與計算機視覺這兩個名字，感覺差不多，都是視覺。很多人都有這種相同的想法，但其實它們之間是不同的學科。
⑴ 首先我們從定義上來看。
「機器視覺」是人工智慧正在快速發展的乙個分支。簡單來說，就是用機器代替人眼來做測量和判斷。機器視覺系統是指通過機器視覺產品（即影象攝取裝置，分cmos和ccd兩種）把影象抓取到，然後將該影象傳送至處理單元，通過數位化處理，根據畫素分布和亮度、顏色等資訊，來進行尺寸、形狀、顏色等的判別，進而根據判別的結果來控制現場的裝置動作。
目前它被廣泛應用於食品和飲料、化妝品、建材和化工、金屬加工、電子製造、包裝、汽車製造等行業。
「計算機視覺」則是指用計算機實現人的視覺功能，對客觀世界的三維場景的感知、識別和理解。計算機視覺是乙個處於指示前沿的領域，與研究人類或動物的視覺是不同的，它在透徹理解攝像機效能與物理成像過程的基礎上，對每個畫素進行簡單的推理，將在多幅影象中可能得到的資訊綜合成和諧的整體，確定畫素集之間的聯絡以便將它們彼此分割開，或推斷一些形狀資訊，使用幾何資訊或概率統計技術來識別物體。
⑵ 其次，從實際應用上看。機器視覺更多注重廣義影象訊號（雷射，攝像頭）與自動化控制（生產線）方面的應用，而計算機視覺更多注重（2D, 3D）影象訊號本身的研究以及和影象相關的交叉學科研究（影象分析）。
⑶ 最後，雖然兩者的核心都涉及到視覺處理演算法，但機器視覺是偏硬的視覺處理技術，主要用於工業機械人方面；而計算機視覺是偏軟的視覺處理技術，主要用於識別方面。這樣說，你可能就明白了吧。
4樓：色難
計算機視覺偏重理解，在精確性上要求低些，如識別和跟蹤；機器視覺偏重測量和定位，精確性上要求較高，如測量和定位。都是影象處理為基礎。
5樓：
機器characteristics 承受 inherit物件another（計算機） perceptive unique智慧型 innovative fresh
（以上中文涵義在各時期有多樣性和普遍性）
6樓：菜鳥不BB
MV和CV真的有區別嗎？界線很模糊。
反正我是雷射三角法也做，深度相機也做，雙目也做，總之什麼解決方法對專案有利就用什麼。
總之，做這個實踐非常重要。平時多流汗，專案少流血...
7樓：櫻落今辰
現在是2023年，感覺區別其實是越來越小了。
計算機視覺在機械人等智慧型硬體上的應用場景越來越多，這就勢必要求相關從業人員對硬體知識有一定的了解。
機器視覺所涉及的識別場景也越來越多，智慧型工廠的機器視覺系統要求能夠識別工人是否戴安全帽，無人汽車的機器視覺系統對識別能力的要求更高。
現在很多機器視覺工程師都是懂卷積神經網路的。
8樓：十月記得叫醒我
還沒入門的菜鳥，自己的感覺是，兩者的區別最直觀的體現就是在獲取到影象後，處理器處理過程，機器視覺可能更複雜，更多的涉及三維空間的計算分析，計算機視覺可能更多的是乙個二維影象的分析。
9樓：
機器視覺在製造業也許有一些特殊的含義，但一般意義上就是計算機視覺的另乙個說法而已……
10樓：濤濤CV
機器視覺 Machine Vision, MV，計算機視覺 Computer Vision, CV。
簡單來說：MV 眼睛對著機器，CV 眼睛對著人，應用場景不一樣而已，好理解了吧
11樓：貨車司機
機器視覺一般為工業應用。要求比較精確，比如測量等場景。而且對硬體也有一定的要求。計算機視覺沒認真了解過，感覺是要求的速度更快吧。
12樓：siwei365
機器視覺：機器視覺主要是依靠成像系統，通過感光元件，感應的引數成為資料，在通過資料的處理得出結論
計算機視覺：我理解的計算機視覺，首先應該是分析邏輯，通過邏輯門，或、與、非，進行判斷，一套完整的判斷機制，通過分析引數得出結論
13樓：
有很多重疊的地方，但是機器視覺更偏向於硬體方面。
推薦2023年10月20日極視角的線上分享
線上分享|機器視覺的自適應演算法在工業自動化檢測中的應用 - 知乎專欄
14樓：vincent
計算機視覺和機器視覺只是應用場景不同，就像拉貨車和載客車是的，側重點不同而已，乙個側重人工智慧分支，乙個側重工業應用！簡單說起來的話，計算機視覺偏重於深度學習並且偏向軟體，機器視覺偏重於特徵識別同時對硬體方面要求也比較高，不過隨著對智慧型識別要求越來越高的發展，這兩個方向畢竟會互相滲透互相融合，區別也僅僅限於應用領域不同而已
15樓：walker
可不可以這麼理解？以人眼功能劃分
人眼具有的功能可以作為計算機視覺，比如可以識別物體，可以認識人，不能夠精確獲得到障礙的距離，但是足以避障。
人眼相比相機做不到的作為機器視覺，比如精確測出乙個物體的尺寸，物體和相機之間的相對距離和角度等。
總結來說，計算機視覺依賴人眼和大腦，有智慧型化功能，也依賴經驗的累計。機器視覺則是依賴嚴格的幾何，重在精確。
16樓：phd xie
我也一直挺迷惑這兩個概念的，現在覺得機器視覺包含了很多攝像器材的選擇、光源的選擇等很多硬體方面的考慮，計算機視覺似乎更偏向於對採集的影象進行演算法分析。
17樓：basicbeyond
簡單來說，計算機視覺學術一些，更偏軟體；機器視覺軟硬體都包括（採集裝置，光源，鏡頭，控制，機構，演算法等。），指的是系統，更偏實際應用。因此更多的是把機器視覺，叫做機器視覺系統。
18樓：胡知知
機器視覺（Machine Vision, MV） & 計算機視覺(Computer Vision, CV)
從學科分類上， 二者都被認為是 Artificial Intelligence 下屬科目.
但實際提及時， 主觀感覺上
MV 更多注重廣義影象訊號（雷射，攝像頭）與自動化控制（生產線）方面的應用。
CV 更多注重（2D, 3D）影象訊號本身的研究以及和影象相關的交叉學科研究（醫學影象分析，地圖導航）。
Wikipedia 轉來個圖：
19樓：Michael Jackson
沒有區別吧。
倒是有幾個分支
乙個是影象處理，主要是訊號與系統，統計，優化乙個是求解景物與影象之間的關係，如立體視覺、三維重建，主要是幾何乙個是模式識別，例如如何分割影象、識別目標，主要是人工智慧
計算機視覺
一禾 這個問題不大的，樓主到這一步說明面試已經通過了，至於薪資證明什麼的可以找到幫忙的。我有存過乙個這方面蠻專業的人微，可以找他問問怎麼搞 make流水 跳槽很多都是為了漲薪，謊報工資無非也是想入職公司定薪時高一點，但是你的實際工資有這麼多，無非是流水過不去，這個有辦法解決的，修改修改就好了。 高山...
計算機視覺（Computer vision）在傳統行業有怎樣的應用？
我做過個實習，RGB D camera做3D重建的。目標是給工廠或者需要物體3D模型的廠商提供乙個快速準確並且造價合理的裝置錄入物體3D模型資料。4個RGBD攝像頭而已。 受激輻射光放大 說一下我們做過的乙個專案。乙個鈕扣廠，需要把生產的有缺陷的鈕扣挑選出來，這個一般是人工，後來，工廠的老總找到我們...
計算機視覺和計算機圖形學哪個更難？
單從問題本身來說,當然是CV遠遠難於圖形學.因為計算機視覺是世界未解之謎.還有,深度學習也配得上叫計算機視覺? 張心欣 比起計算機圖形學中很多問題所蘊含的大道至簡 精巧優美 對稱守恆等哲學美來說，計算機視覺不過是個工程學。說得詳細一點，做計算機圖形學和做計算機視覺，追求是不一樣的。前者追求的是美，後...